如何在Azure中构建真正具备容错能力的VNET架构

核心思路 #

Azure NAT网关本身是单可用区部署，但可以通过「多NAT网关+子网分区+路由表优先级配置」的方式，实现跨可用区的互联网访问冗余，避免单AZ故障导致全局断网。

具体实现步骤 #

• 拆分子网：将原单个子网拆分为3个关联对应可用区的子网（例如Subnet-AZ1、Subnet-AZ2、Subnet-AZ3），每个子网绑定到指定可用区。
• 部署多NAT网关：在每个可用区各部署一台NAT网关（NAT-AZ1、NAT-AZ2、NAT-AZ3），每个网关关联对应可用区的子网，并分配公共IP（或公共IP前缀）。
• 配置路由表：为每个子网创建独立的路由表，设置两条核心路由规则：
  1. 高优先级路由：目标0.0.0.0/0，下一跳指向对应可用区的NAT网关（比如Subnet-AZ1的路由表指向NAT-AZ1）
  2. 低优先级冗余路由：目标0.0.0.0/0，下一跳指向其他可用区的NAT网关（可设置2-3条，覆盖剩余所有AZ）
• 调整VMSS配置：将VMSS的实例分布到3个分区子网中，每个子网对应一个可用区，确保VMSS在每个AZ的实例都部署到对应子网。

故障场景下的容错逻辑 #

当某个可用区（例如AZ1）故障时：

• AZ1内的VM和NAT-AZ1不可用，但VMSS会自动在其他AZ重启故障实例
• Subnet-AZ2和Subnet-AZ3内的VM仍通过各自关联的NAT网关正常访问互联网
• 若某AZ的NAT网关单独故障，该子网的低优先级冗余路由会自动生效，流量切换到其他AZ的NAT网关

额外优化建议 #

• 使用公共IP前缀而非单个公共IP绑定NAT网关，提升NAT端口可用数量，避免端口耗尽
• 调整NAT网关的空闲超时时间（默认4分钟，可按需调至30分钟），适配长连接业务场景
• 配合Azure Monitor监控NAT网关的健康状态和流量指标，提前预警异常

内容的提问来源于stack exchange，提问作者Сергей Сатаненко